De coronacrisis heeft de digitale wereld een boost gegeven. Velen vermoeden dat een aantal werkwijzen die al in opgang waren, nu definitief doorbreken. Een voorbeeld zijn de teleconferences, die sterk in aantal toenemen. Ook het gebruik van handelsinformatie blijkt niet te ontsnappen aan de digitale trend.
Handelsinformatieverstrekkers hebben de voorbije maanden geprobeerd om een antwoord te bieden op de vele onzekerheden in de markt. Ze probeerden voorspellingen te doen over het coronaproof gehalte van bedrijven. Dat was – en is – een hele uitdaging, want de jaarcijfers van het boekjaar 2019 waren zeer laat beschikbaar. Ondertussen zitten veel kredietprofessionals op de rand van hun stoel, zich afvragend in welke hoek de klappen zullen vallen. Betekent dit dat we nu met z’n allen meer van dergelijke voorspellende rapporten kopen?
Veel grote afnemers van handelsinformatie blijken over te schakelen op een ander gebruiksprofiel. Vroeger ging het vooral over het aankopen van het spreekwoordelijke ‘handelsrapportje’. Dat bevat een aantal elementen, zoals een analyse en een krediet- en ratingconclusie. Zo’n rapporten zijn duur, vergen behoorlijk wat leeswerk (lees: kostbare tijd) en bevatten veel ballast of overtollige informatie. Ondertussen zijn de werkwijzen met betrekking tot de rapporten ‘digitaler’ geworden. Gebruikers spreken steeds meer over ‘het inlezen van data’. Dat betekent dat de kredietwaardigheidsopvolging van debiteuren gebeurt met automatische aanvulling van data, direct in het ERP-systeem. Dat heeft een aantal voordelen. De eenheidsprijs (kost per debiteur per jaar) ligt een stuk lager. Enkel relevante elementen worden opgenomen. De updates zijn programmeerbaar. Ballast is er niet meer bij en er komt geen leestijd meer aan te pas. Bijna alle providers zijn erop voorzien om hun data via een interface over te dragen. Veel ERP-systemen zijn in staat die data te verwerken, alsof de ontwikkelaars wisten dat het een algemene praktijk zou worden. Meteen komen ook systemen ter beschikking met een algoritme waarbij eventuele interne data (bijvoorbeeld het betaalgedrag) en bij te schrijven (manuele) data verwerkbaar zijn tot een kredietconclusie.
Zo’n pakket klinkt aantrekkelijk voor een kredietprofessional en het wordt ook veel toegepast. Het laat een duidelijk aflijnbare policy toe, met delegatie naar lokale gebruikers. Door de ‘wet van de grote getallen’ kan het ook succesvol zijn. Bovendien aanvaarden kredietverzekeraars deze aanpak als een risicobeperkend kredietmanagementinstrument. Alle partijen tevreden.
Afnemers blijken in deze benadering, zeker voor grote portefeuilles, vooral naar de prijs te kijken. Logisch … of niet echt? Want wie houdt er rekening met de kwaliteit van de ratings en de data? Bijna niemand, zo blijkt, of enkel indirect, gevoelsmatig. Toch kan op het einde van het jaar een klein verschil in de predictieperformantie een groot verschil maken in de verliesratio. Die kan wel eens veel duurder uitvallen dan de jaarkost van de informatie.
Heeft de gebruiker zicht op de kwaliteit van de predictie? De predictiegraad valt zeer moeilijk te meten. Er bestaat geen duidelijke en relevante definitie van. Zo kan ieder zich beroepen op hoge efficiëntie, zonder dat dit controleerbaar, tastbaar en bruikbaar is in een eventuele afweging. Het beste beleid lijkt dan om te kiezen voor de goedkoopste oplossing …
De handelsinformatieverstrekkers hebben dit waarschijnlijk al gevoeld. Er beweegt wat in hun marktsegment. Zoals altijd is het zaak om snel te schakelen en in te spelen op de evoluerende marktbehoeften. Wie erin slaagt om de kwaliteit van zijn product geloofwaardig te kwantificeren richting lagere verliesratio’s, zal wellicht een extra competitief voordeel halen.
Bron: FDMagazine
